Party Panel 15.1

Gjalt-Jorn Peters (Greater Good, Open Universiteit & Academy of Behavior Change) & Judith Noijen (Jellinek Preventie)

This report is generated on 27 Mar 2018 at 10:08:32.

Background

Introduction

Party Panel is a Dutch panel study where determinants and beliefs underlying health behaviors in the Dutch nightlife are mapped. This wave started on 28 June 2015. It was developed to explore the use of high doses of ecstasy, in response to the average dose of 3,4-Methylenedioxymethamphetamine (MDMA) in ecstasy pills on the Dutch markets. Specifically, the determinants were measured of three behaviors: using a high dose of MDMA (regardless of whether this was ingested in one highly dosed ecstasy pill, or in multiple lower dosed pills), using highly dosed ecstasy pills (regardless of whether a high dose of MDMA was ingested), and getting one’s ecstasy tested.

This document is the report of the Party Panel results. This is a living document and may be updated.

This document is in English, except the section with prevention recommendations, because it is written specifically for Dutch prevention professionals.

Publication and distribution

Press releases

It is not allowed to publish Party Panel results in a press release. Only the Celebrate Safe project committee has the right to publish press releases containing Party Panel results, and then only after explicit approval from Greater Good. If you think doing a press release about a specific Party Panel result can be helpful as a prevention effort, you can always contact the Celebrate Safe project committee and explain this to them. However, Party Panel is intended as scientific research and to inform prevention efforts: not as a marketing tool.

Confidentiality and embargo

The wave described in this document started on 28 June 2015 and therefore, all resources developed for this Party Panel wave as well as the collected data are available under CC-BY-NC-SA (see http://creativecommons.org/licenses/by-nc-sa/4.0/) and have been since 28 June 2017.

Full disclosure

Party Panel follows the Open Science principle of Full Disclosure. Each Party Panel wave has a component repository in the general Party Panel Open Science Framework repository at https://osf.io/s4fmu/. Note that the general terms and conditions as contained in the Creative Commons license listed above, as well as the restriction pertaining to press releases, remains in effect.

Behavior Change

Party Panel was designed to inform development of effective behavior change interventions in the Dutch nightlife, to support a healthy, safe, fun nightlife where the personal integrity of its visitors is respected.

Reading this report may require expertise regarding behavior change. Interested readers who as yet lack the required knowledge can use the Open Access (freely available) articles about behavior change that are available at https://effectivebehaviorchange.com.

Ethics

Ethical approval for the Party Panel determinant studies was granted by the committee for Ethical Testing of Research (commissie Ethische Toetsing Onderzoek, cETO) of the Open University of the Netherlands, under files numbers U2015/03757/HVM and U2017/03081/FRO. The applications and approval letters are available at the Open Science Framework repository for the shared Party Panel resources at https://osf.io/7bv4w/.

Acknowledgements

Party Panel is the result of the combination of energy, knowledge, skills and enthusiasm of a large group of people. Party Panel is funded by Celebrate Safe, with a subsidy from the Dutch Ministry of Health, Welfare and Sport. It is developed, executed, analysed and managed by Greater Good, with invaluable input from Jellinek Preventie. Without the Unity peers’ unique insights, the questionnaires and collected data would never reach the richness and depth it does. The Celebrate Safe project committee, advisory board, and affiliated expert organisations also provided valuable feedback. Without the festival and event organisers, clubs, and other nightlife organisations, we would never have been able to reach all the participants that we did. For this wave specifically, we would like to thank Ferry Goossens for thinking along with the questionnaire. So thank you all!!! We hope you can benefit from these results as well, and in general, that they contribute to improving our nightlife.

How to use this report

Because this report contains a lot of information, it is organised using tabs, which you see above this section. Click a tab to view the associated contents.

Prevention recommendations

This section contains recommendations for prevention professionals. Because these recommendations are for prevention professionals working with nightlife-related behaviors in the Netherlands, these recommendations will be in Dutch.

Inleiding

Party Panel is een semi-panel studie in het Nederlandse uitgaansleven met als doel de determinanten van verschillende uitgaansleven-gerelateerde gezondheidsgedragingen in kaart te brengen. Het in kaart brengen van die determinanten is nodig voor preventie: je kunt geen effectieve interventie ontwikkelen als je niet weet waar die interventie zich op moet richten.

Preventie betreft altijd een poging om iets te voorkomen (letterlijk per definitie), en bijna altijd een poging om iets onwenselijks te voorkomen. De te voorkomen zaken zijn altijd het gevolg van menselijk gedrag (van bezoekers van een feest of optreden, van clubeigenaren, van politici, en ga maar door), en de oorzaken van menselijk gedrag zijn in te delen in twee categorieën: de omgeving en de menselijke psychologie. Effectieve preventie vereist noodzakelijkerwijs eerst inzicht in die oorzaken. Pas als je dat inzicht hebt kun je bepalen of je probeert om de omgeving te veranderen (bijvoorbeeld gratis condooms, oordopjes, of water verstrekken; dit bereik je door gedrag van beslissers in de omgeving, zoals politici of organisatoren, te veranderen) of om de menselijke psychologie te veranderen (bijvoorbeeld door misverstanden de wereld uit te helpen of door mensen tips te geven om zich aan hun voornemen te houden).

Als je incidenten in het uitgaansleven wil voorkomen, en eigenlijk in het algemeen gewoon een leuk en veilig uitgaansleven wil, dan moet je dus eerst weten waarom mensen doen wat ze doen. Party Panel is een instrument om dit in kaart te brengen.

Verandering van gedrag

Gedragsverandering is eigenlijk gewoon versneld leren. Mensen kunnen ‘van nature’ natuurlijk al goed leren: wezens zonder het vermogen om te leren hebben een veel lagere overlevingskans, waardoor het vermogen te leren in veruit de meeste diersoorten is geëvolueerd. Tegelijkertijd is dat vermogen om te leren natuurlijk nooit ontwikkeld om preventie mogelijk te maken. Kortom: als je mensen wil helpen hun gedrag te veranderen, gebruik je een proces (leren) dat eigenlijk ergens anders voor is ontwikkeld.

Het komt daarom erg nauw wat je doet: het is moeilijk om precies het ‘leerproces’ waar de menselijke psychologie mee is uitgerust na te bootsen om zo de juiste veranderingen in iemands opvattingen te bewerkstelligen. Omdat dit zo lastig is, is er veel onderzoek naar gedaan. Uit dat onderzoek zijn inmiddels een aantal methoden voor gedragsverandering bekend. Deze methoden maken gebruik van verschillende vormen van leren, die soms op verschillende typen geheugen zijn gericht.

Methoden voor gedragsverandering zijn niet zomaar ‘blind’ te gebruiken: het is jammer genoeg niet zo dat je alleen maar het “juiste truckje” hoeft te vinden. Verschillende methoden zijn in staat om verschillende soorten opvattingen te veranderen. Mensen kunnen immers allerlei uiteenlopende redenen hebben voor hun gedrag, en die vereisen allemaal een andere aanpak. Voordat je echt over verandering na kunt denken, moet je dus begrijpen waarom mensen doen wat ze doen.

Verklaring van gedrag

Mensen kunnen allerlei redenen hebben voor wat ze doen. Menselijk gedrag is complex: denk maar eens na over waarom je hier nu bent; waarom je gisteren hebt gegeten wat je hebt gegeten; waarom je vorig weekend hebt besteed zoals je dat deed; en ga maar door. Voor een gegeven gedrag (bijvoorbeeld in een restaurant pizza of pasta bestellen) kunnen, als je maar genoeg mensen vraagt, honderden, soms duizenden redenen zijn. Dat maakt het natuurlijk lastig om in kaart te brengen waarom mensen doen wat ze doen.

Gelukkig wordt er al een dikke honderd jaar onderzoek gedaan in de psychologie, dus inmiddels zijn hier allerlei oplossingen voor gevonden. In de basis zijn die gebaseerd op hetzelfde uitgangspunt: al die verschillende redenen kun je groeperen. Sommige redenen lijken namelijk nogal op elkaar. Mensen voelen bijvoorbeeld sociale druk; of houden rekening met hun lange-termijn doelen; of hebben niet het gevoel dat ze iets goed kunnen. Je kunt die honderden redenen dus ordenen door ze te groeperen, en dit is wat psychologische theorieën doen.

Er zijn inmiddels heel veel theorieën die verklaren waarom mensen doen wat ze doen. Veel gezondheidsgedrag is gedrag waar mensen over nadenken: zogenaamde beredeneerd gedrag. Een van de meest gebruikte theorieën over beredeneerd gedrag heet heel toepasselijk de “Beredeneerd Gedrag Benadering” (ok, hij heet eigenlijk de Reasoned Action Approach, RAA, wat toch wat beter klinkt). De RAA is de derde ‘versie’ van een theorie die hiervoor de Theory van Geplanned Gedrag heette, en daarvoor de Theorie van Beredeneerde Actie.

Deze theorie stelt dat beredeneerd gedrag vooral wordt bepaald door of mensen de intentie hebben om dat betreffende gedrag uit te voeren. Dat is natuurlijk nogal logisch: als je van plan bent om iets te doen, dan doe je het meestal ook, als er tenminste geen obstakels in de omgeving zijn, en als de controle over je gedrag niet afneemt. De kracht van de RAA zit in de voorspellers van die intentie. Dit zijn volgens de RAA drie groepen vergelijkbare redenen: attitude, waargenomen norm, en waargenomen gedragscontrole.

Attitude

Attitude is een soort ‘gewogen gemiddelde’ van alle voor- en nadelen van een gedrag, of accurater uitgedrukt, van de mogelijke gevolgen, hoe waarschijnlijk iemand denkt dat die gevolgen zijn, en hoe wenselijk iemand die gevolgen vindt. Inschatting van de risico’s van een gedrag maakt hier deel van uit, maar er is nog veel meer, bijvoorbeeld de voordelen van het gedrag (middelengebruik is bijvoorbeeld leuk/lekker).

Attitude bestaat dus uit twee onderdelen: de ingeschatte waarschijnlijkheid van de mogelijke gevolgen van gedrag, en de wenselijkheid van elk mogelijke gevolg (hoe wenselijk of onwenselijk iemand die gevolgen vindt).

Waargenomen norm

Waargenomen norm gaat over of je denkt dat de mensen die belangrijk voor je zijn het goed- of afkeuren als jij het betreffende gedrag uitvoert, en over of je denkt dat de mensen om je heen dat gedrag zelf uitvoeren. Of mensen iets goedkeuren of afkeuren, en wat ze zelf doen, hoeft natuurlijk niet hetzelfde te zijn: ouders kunnen best hun kinderen vertellen dat ze nooit moeten gaan roken, maar zelf wel roken.

Waargenomen norm bestaat uit drie onderdelen: je inschatting van goed- of afkeuring door anderen (injunctieve norm), de mate waarin je waarde hecht aan die oordelen (motivation to comply), en je inschatting van het gedrag van anderen (descriptieve norm).

Waargenomen gedragscontrole

Waargenomen gedragscontrole gaat over of je denkt dat je het gedrag uit kunt voeren: is het onder jouw controle, en heb je de nodige vaardigheden wel? Je kunt best van plan zijn om genoeg te rusten als je ecstasy hebt gebruikt, maar als er geen chill out is, wordt dat lastig. En wat als je hebt besloten om geen cocaine te gebruiken, maar de drie mensen waar je mee uit bent doen dat wel – weet je hoe je dan toch niet zwicht voor de verleiding? Waargenomen gedragscontrole bestaat uit twee onderdelen: de hoeveelheid controle die je over gedrag hebt (controle), en hoe goed je denkt dat je in het gedrag bent (capaciteit).

Party Panel en gedragsverandering

De RAA stelt dat als je de redenen in die drie categorieën goed in kaart brengt, dat je dan goed kunt voorspellen wat mensen doen. En als je dat kunt, begrijp je genoeg van het gedrag om te gaan denken aan gedragsverandering: dan kun je op zoek naar methoden die werken om de redenen die belangrijk zijn, te veranderen. In een plaatje ziet die RAA er zo uit:

Naast de RAA zijn er nog talloze andere theorieën om gedrag te verklaren. Deze groeperingen van gelijksoortige redenen heten in de psychologie variabelen, en als het gaat over gedragsverandering worden ze vaak determinanten genoemd.

Gedragsverandering is een subdomein van de psychologie. Naast grondige kennis van de psychologie vereist het constructief kunnen denken over effectieve gedragsveranderingsinterventies daarom specialistische kennis met betrekking tot de theorie van verklaring en verandering van gedrag. In de voorgaande alinea’s is gepoogd om voldoende over te brengen zodat ook leken met betrekking tot gedragsverandering uit de voeten kunnen met dit rapport. Lezers die zich verder willen verdiepen adviseren we om de ‘Open Access’ (gratis toegankelijke) inleidende, en verdiepende, artikelen over gedragsverandering op https://effectivebehaviorchange.com te raadplegen. Verder is het altijd raadzaam om bij de ontwikkeling van alle preventie (of andere campagnes) die zijn gericht op gedragsverandering, of verandering van antecedenten van gedrag zoals bewustwording of kennis, experts in de gedragsverandering te raadplegen.

Interventie suggesties

Deze sectie bevat de suggesties voor preventie op basis van de analyse van de determinanten van hooggedoseerde ecstasy gebruiken, een hoge dosis MDMA gebruiken, en ecstasy laten testen.

Het valt op dat de meest frequent gerapporteerde effecten van het gebruiken van een hoge dosis MDMA over het algemeen niet de meest wenselijke effecten zijn. Deelnemers aan Party Panel realiseerden zich dus ergens wel dat het gebruik van een hoge dosis onwenselijke gevolgen had (met betrekking tot de ervaring; het werd duidelijk dat deelnemers zich al realiseerden dat hoge doses gevolgen voor de gezondheid heeft).

Verder werd er een sterk verband geobserveerd tussen of deelnemers het gebruik van een hoge dosis ecstasy een betere ervaring vonden en hun intentie. Dit biedt een ingang voor preventie: wellicht is het mogelijk bij gebruikers reflectie aan te moedigen, waardoor het besef dat hogere doses niet leiden tot een betere ervaring kan worden gerealiseerd. Hierbij is het belangrijk er rekening mee te houden dat sommige mensen effecten van hoge dosering zoals hallucineren wel prettig vinden.

Voor de meeste mensen geldt dat het gelukkige gevoel, het primaire effect van ecstasy, toeneemt met dosering totdat de maximale dosering is bereikt Hierna neemt de in zichzelf gekeerdheid juist toe, wat als onprettig wordt ervaren. Bij mensen die een sterker gelukkig gevoel verwachten bij een hogere dosis kan het dus handig zijn dit misverstand te ontkrachten.

Sommige deelnemers geloven dat hoger gedoseerde pillen ook zuiverder zijn. Echter, een pil is zoveel groter dan het kleine aandeel MDMA dat er zelfs met hooggedoseerde pillen nog voldoende gelegenheid is voor vervuiling. Het gebruik van hooggedoseerde pillen is dus niet veiliger.

Een idee voor een interventie is deelnemers te laten aangeven hoe ze denken dat de verschillende effecten van ecstasy veranderen naarmate de dosis hoger wordt. Een voorbeeld van zo’n curve staat hieronder:

Bij deze persoon zou de ervaring dus maximaal zijn bij ongeveer 65 milligram. Een dosis van 250 milligram zou ongeveer gelijk staan aan het niet nemen van ecstasy, bijvoorbeeld omdat de negatieve effecten (bijvoorbeeld sociaal isolerend gedrag, hallucinaties, tandenknarsen) zo sterk zijn dat ze de positieve effecten overschaduwen.

Als mensen zelf zo’n ‘ervaringscurve’ tekenen, dan kan die bijvoorbeeld worden vergeleken met hoe dit in werkelijkheid zit. Hiervoor is die informatie natuurlijk wel nodig - het is ons nu niet bekend of dit ooit in kaart is gebracht. Zelfs zonder de ‘echte curves’ kan het natuurlijk een zinvolle exercitie zijn om gebruikers hun inschatting van die curves te laten maken.

Het kan dan handig zijn om gebruikers van te voren te laten nadenken over wat de effecten van echt hoge doseringen zijn, zodat het tekenen van de ‘effect curves’ wordt benaderd vanuit de juiste basis, dus gebaseerd op erkenning van het gegeven dat hoge doses onwenselijke effecten hebben.

De determinant ‘anticipated regret’, oftewel ‘geanticipeerde spijt’, hing ook samen met intentie om hooggedoseerde ecstasy te gebruiken. Dat betekent dat als deelnemers bewogen kunnen worden te reflecteren op de negatieve gevolgen van een hoge dosering, dat kan leiden tot gebruik van lagere doses.

Een middel hiervoor kan zijn dat deelnemers aangaven minder te onthouden als een hoge dosis werd gebruikt (terwijl veel onthouden wenselijker was).

De meeste deelnemers gaven aan dat testen anoniem was (wat klopt), dat ze weten waar ze hun ecstasy kunnen laten testen, en dat ze daar relatief eenvoudig konden komen. Dat werd echter wel als vrij tijdrovend beschouwd. Vrij veel deelnemers gaven aan dat testen altijd minimaal een pil kost, terwijl in 50% van de gevallen (70% tijdens ADE) onmiddelijk kan worden bepaald wat er in een pil zit zonder dat deze naar het lab gestuurd hoeft te worden. Deze informatie (dat testen dus maar in de helft van de gevallen een pil kost) kan helpen om testgedrag te bevorderen. Een andere suggesties is meer testlokaties beschikbaar te maken en de procedures te versnellen zodat testen minder tijdrovend wordt.

Tot slot is het makkelijker om poeder te doseren van ecstasypillen. Dit kan eventueel ook als advies worden gegeven. Dit is een sterk ‘harm reduction’ advies, en het kan zijn dat niet alle overheden en preventie-organisaties vinden dat dat binnen hun beleid past.

Data integrity & cleaning

No items specified: extracting all variable names in dataframe. Note: 103 variables were not numeric and will not be checked for exceptional values.

Participants of 0 entries indicated that they were test entries (e.g. for testing the survey, or when participants were not entirely serious about completing the survey).

Furthermore, 34 participants were among the 1% with 10 or more exceptional answers (in the lowest 2.5% or the highest 2.5%), and were therefore removed from the dataset as well (row numbers (and number of exceptional anwers): 149 (18), 236 (18), 325 (10), 418 (15), 582 (10), 614 (23), 626 (10), 798 (16), 870 (15), 1320 (10), 1361 (19), 1384 (10), 1419 (10), 1535 (10), 1562 (10), 1576 (15), 1669 (11), 1683 (20), 1721 (11), 1890 (22), 1959 (15), 1970 (11), 1987 (17), 2026 (10), 2069 (10), 2147 (12), 2155 (10), 2239 (14), 2449 (19), 2456 (11), 2563 (12), 2725 (10), 2957 (15) & 3231 (14)).

1 participants (rows 1844) had more than 5 answers that fell into the wrong class (e.g. typing letters where numbers were required) and were also removed.

Recruitment

Party Panel participants were recruited primarily through social media. The Dutch Celebrate Safe campaign (see http://celebratesafe.nl), Unity (see http://unity.nl), as well as related organisations such as event organisers that were partnered with Celebrate Safe promoted Party Panel through Facebook and Twitter posts. In addition, visitors to the Unity website were shown a div pop-up.

This figure shows participant recruitment over time:

During this time, 3760 participants opened the first page containing the Informed Consent. From this point, the progression through the survey was as follows:

Figure 2: Dropout throughout the questionnaire.

frequency	percentage	page	prettyPercentage
3760	100	1	100%
1766	46.97	2	47%
825	21.94	3	22%
728	19.36	4	19%
683	18.16	5	18%
633	16.84	6	17%
546	14.52	7	15%
461	12.26	8	12%
433	11.52	9	12%
416	11.06	10	11%
403	10.72	11	11%
397	10.56	12	11%
372	9.894	13	10%
370	9.84	14	10%

Of the 1803 participants answering the Informed Consent, 22 participants answered negatively. Of these, 2 provided a reason. Specifically, the reasons provided were “20 minuten is te lang” & “duurt te lang”.

For each participant, two random numbers were set. The first was set to a value of 1, 2 or 3, and determined for which behavior determinants would be measured (participants were also provided with the opportunity to answer questions about the other behaviors, if they wanted). The second was set to an integer number between (and including) 0 and 10. This second number was used to explore how participants would respond if testing would be available in the whole of the Netherlands for different costs (i.e. 0 to 10 euros).

Participants (sample description)

Gender

	Frequencies	Perc.Total	Perc.Valid	Cumulative
Male	244	6.5	61.8	61.8
Female	149	4	37.7	99.5
Other (e.g. genderqueer, nonbinary)	2	0.1	0.5	100
Total valid	395	10.5	100
NA (missing)	3365	89.5
Total	3760	100

Age

Figure 5: Histogram for age distribution.

goingOutFreq

Diamond and ridgeline plots

Frequencies and easybarplots

substUsePastBeh

Diamond and ridgeline plots

Frequencies and easybarplots

otherSubstancesFreq

Diamond and ridgeline plots

Frequencies and easybarplots

Describing the central tendency:

mean	median	mode	95% CI mean
24.83	23	20	[24.14; 25.52]

Describing the spread:

var	sd	iqr	se
48.16	6.94	8	0.3505

Describing the range:

min	q1	q3	max
7	20	28	60

Describing the distribution shape:

skewness	kurtosis	dip
1.726	4.367	0.04592

Describing the sample size:

total	NA.	valid
3760	3368	392

Warning: `panel.margin` is deprecated. Please use `panel.spacing` property instead

Figure 9: Geographical distribution of Party Panel participants

Behavioral determinants

This section is quite full, and is therefore again organised using tabs. The first tab (“CIBER plots and how to read them”) contains an introduction to and explanation of the data visualisation used to explore determinant importance. The second tab (“Determinant structures”) shows the theoretical determinant structure that these determinant importance analyses are based on. The third tab (“Determinant importance”), finally, shows the CIBER plots for the determinants measured in this Party Panel wave.

CIBER plots and how to read them

When thinking about which determinants and sub-determinants to target in a behavior change intervention, it is important to consider both the univariate distributions (i.e. means) and the associations to behavior and determinants of behavior (such as intention or other theoretically relevant determinants; Peters, 2012). Usually, means and correlation coefficients are used to inspect these, but it is important to realise that sample estimates are subject to random variability, and therefore, will be different in different samples. Instead of using point estimates, therefore, it is better to use confidence intervals (Crutzen, Peters & Noijen, 2017).

Confidence Interval Based Estimation of Relevance plots (CIBER plots) facilitate inspection of many data points and confidence intervals simultaneously (Crutzen, Peters & Noijen, 2017). Because CIBER plots are a relatively new development, we will briefly explain how to read them here using simulated data.

In this fictional example, we measured the determinants of doing a determinant study when developing an intervention. In this example, we measured three sub-determinants of attitude (called beliefs):

CIBER plot example

These are the results for question (or rather, variable) “CIBER plot example”.

Figure 10: A fictional example of a CIBER plot.

Explaining the plot title

The title doubles as a legend: each higher-level determinants (called a ‘target’ in CIBER plots) is designated a color that is used in the plot. In this case, attitude is red and intention is blue. These colors are used in the right-hand panel of the plot (see below).

The title also shows the confidence interval (by default the 95% confidence interval) for the proportion of explained variance (or ² for each target as explained by the (sub-) determinants in the plot (in this case, by the three beliefs).

Explaining the left-hand panel

The left-hand panel in a CIBER plot shows the univariate distributions of each (sub-)determinant, in these case the three beliefs. It shows both the individual participants’ scores as well as the confidence interval for the mean as diamonds (by default, CIBER plots show 99.99% confidence intervals). The diamons are colored as a function of the relative position of the mean:

if participants mostly score towards the bottom of the scale (a low mean), the diamonds are red;
if participants mostly score around the middle, or if they score all over the place (in both cases the mean is in the middle), the diamonds are blue; and
if participants score towards the top of the scale (a high mean), the diamonds are green.

Note that in this fictional example, it’s quite clear that the data were simulated: usually, participants don’t all score so closely to the mean.

Explaining the right-hand panel

The right-hand panel in a CIBER plot shows the associations to the higher-order determinants, in this case attitude and intention (of course, you could also plot associations to behavior here). In this panel, individual scores are not shown, only the diamonds representing the confidence intervals for the correlation coefficicients (by default, 95% confidence intervals).

The strokes (borders) of these diamonds indicate which target each diamond represents. In this example, the red diamonds represent the beliefs’ associations with attitude, and the blue diamonds represent the beliefs’ associations with intention (see the section on the plot title, above).

The fill (inside color) of these diamonds is also a function of how strong the association is:

diamonds representing very strong negative associations (correlations approaching -1) are filled with a red color;
diamonds representing no association (correlations around 0) are filled with a grey color; and
diamonds representing very strong associations (correlations approaching 1) are filled with a green color.

Interpretation of this CIBER plot

In this fictional sample, the responses to the first belief show that participants do not strongly believe that a determinant study provides a lot of insight into why people exhibit the target behavior. This belief is quite strongly related to attitude and intention, and therefore this seems a viable intervention target. If this were a real scenario, and we would want to promote the use of determinant studies, succesfully changing this belief would likely contribute to behavior change.

The second belief is held by even fewer people: these fictional participants believe that the effect of an intervention does not depend on whether the right determinants are targeted. Interestingly, the right-hand panel shows that this belief is not strongly associated to attitude and intention. It is possible that this is a consequence of the skewed distribution: almost all participants score 1 or 2, which means that there is very little variation, which means that the correlation cannot achieve a very high value. However, if we assume for the moment that the weak association of this belief to attitude and intention is not a statistical artifact, we would conclude that changing this belief would be unlikely to contribute to behavior change.

The third belief is already held by most participants: the mean is between 5 and 6 in a 7-point scale, so most people believe that interventions that are based on determinant studies are more effective because they are (this is an unrealistic contrast with the second belief; these are simulated data, after all). This belief was also quite strongly associated to attitude and behavior. Since most people already hold this belief to some degree, an intervention would focus on people who answered in the middle of the scale (i.e. who think that it doesn’t matter much for effectiveness whether an intervention is based on a determinant study).

Determinant structures

These are visualisations of the determinant structures of the behaviors in this Party Panel wave. The associations of the sub-determinants in each of these determinants with the overarching determinants and with intention will then be visualised using CIBER plots.

highDose

strngXTC

testing

Determinant importance

This section contains CIBER plots to show the determinant relevance. These are organised based on the determinant structure; the headings and each figure’s caption shows to which behavior and to which (sub)-determinants each CIBER plot pertains.

highDose

These are the results for question (or rather, variable) “highDose”.

Intention

These are the results for question (or rather, variable) “Intention”.

Attitude

These are the results for question (or rather, variable) “Attitude”.

Likelihood

These are the results for question (or rather, variable) “Likelihood”.

Evaluation

These are the results for question (or rather, variable) “Evaluation”.

attProduct

These are the results for question (or rather, variable) “attProduct”.

perceivedNorm

These are the results for question (or rather, variable) “perceivedNorm”.

Approval

These are the results for question (or rather, variable) “Approval”.

Motivation to Comply

These are the results for question (or rather, variable) “Motivation to Comply”.

normProduct

These are the results for question (or rather, variable) “normProduct”.

Pbc

These are the results for question (or rather, variable) “Pbc”.

Control Beliefs

These are the results for question (or rather, variable) “Control Beliefs”.

strngXTC

These are the results for question (or rather, variable) “strngXTC”.

Intention

These are the results for question (or rather, variable) “Intention”.

Attitude

These are the results for question (or rather, variable) “Attitude”.

Likelihood

These are the results for question (or rather, variable) “Likelihood”.

Evaluation

These are the results for question (or rather, variable) “Evaluation”.

attProduct

These are the results for question (or rather, variable) “attProduct”.

perceivedNorm

These are the results for question (or rather, variable) “perceivedNorm”.

Approval

These are the results for question (or rather, variable) “Approval”.

Motivation to Comply

These are the results for question (or rather, variable) “Motivation to Comply”.

normProduct

These are the results for question (or rather, variable) “normProduct”.

Pbc

These are the results for question (or rather, variable) “Pbc”.

Control Beliefs

These are the results for question (or rather, variable) “Control Beliefs”.

Testing

These are the results for question (or rather, variable) “Testing”.

Intention

These are the results for question (or rather, variable) “Intention”.

Attitude

These are the results for question (or rather, variable) “Attitude”.

Likelihood

These are the results for question (or rather, variable) “Likelihood”.

Evaluation

These are the results for question (or rather, variable) “Evaluation”.

attProduct

These are the results for question (or rather, variable) “attProduct”.

perceivedNorm

These are the results for question (or rather, variable) “perceivedNorm”.

Approval

These are the results for question (or rather, variable) “Approval”.

Motivation to Comply

These are the results for question (or rather, variable) “Motivation to Comply”.

normProduct

These are the results for question (or rather, variable) “normProduct”.

Pbc

These are the results for question (or rather, variable) “Pbc”.

Control Beliefs

These are the results for question (or rather, variable) “Control Beliefs”.

Wave specific analyses

awareOfTestFacilities

Whether participants know that they can get XTC tested in the Netherlands (‘testing_Awareness’)

	Frequencies	Perc.Total	Perc.Valid	Cumulative
heard	104	2.8	14.2	14.2
no	20	0.5	2.7	16.9
yes	610	16.2	83.1	100
Total valid	734	19.5	100
NA (missing)	3026	80.5
Total	3760	100

Regression analysis for formula: xtcUseDosePref ~ weight_other

Significance test of the entire model (all predictors together):

Multiple R-squared: [0.01, 0.19] (point estimate = 0.08, adjusted = 0.07)

Test for significance: F[1, 129] = 11.48, p = .001

Raw regression coefficients (unstandardized beta values, called ‘B’ in SPSS):

	95% conf. int.	estimate	se	t	p
(Intercept)	[-77.8; 107.14]	14.67	46.74	0.31	.754
weight_other	[0.87; 3.33]	2.1	0.62	3.39	.001

Scaled regression coefficients (standardized beta values, called ‘Beta’ in SPSS):

	95% conf. int.	estimate	se	t	p
(Intercept)	[-0.14; 0.18]	0.02	0.08	0.23	.821
weight_other	[0.11; 0.44]	0.28	0.08	3.39	.001

De verwachting dat een hoge dosis leidt tot sociale isolatie

These are the results for question (or rather, variable) ‘highDose_AttBeliefs_isolated’.

The lead-in for this question was “Eerst een aantal vragen over hoe het gebruiken van een hoge dosis XTC voor jou verschilt van het gebruiken van een gewone dosis XTC (MDMA). Als jij alleen nog maar een gewone dosis hebt gebruikt, of alleen nog maar een hoge dosis hebt gebruikt, geef dan aan wat je denkt dat het verschil zal zijn.”.